Prehľadávať všetok obsah v kategórii Glossary
Pandas je open-source knižnica pre manipuláciu a analýzu dát v Pythone, známa svojou univerzálnosťou, robustnými dátovými štruktúrami a jednoduchosťou používania pri práci s komplexnými dátovými súbormi. Je základným nástrojom pre dátových analytikov a vedcov, podporuje efektívne čistenie, transformáciu a analýzu dát.
Parafrázovanie v komunikácii je zručnosť opätovného vyjadrenia správy inej osoby vlastnými slovami pri zachovaní pôvodného významu. Zabezpečuje jasnosť, podporuje porozumenie a je vylepšené AI nástrojmi, ktoré efektívne ponúkajú alternatívne vyjadrenia.
Parameter-Efficient Fine-Tuning (PEFT) je inovatívny prístup v oblasti umelej inteligencie (AI) a spracovania prirodzeného jazyka (NLP), ktorý umožňuje prispôsobenie veľkých predtrénovaných modelov na špecifické úlohy aktualizovaním iba malej podmnožiny ich parametrov, čím znižuje výpočtové náklady a čas trénovania pre efektívne nasadenie.
Preskúmajte, ako partnerstvá v oblasti AI medzi univerzitami a súkromnými spoločnosťami podporujú inovácie, výskum a rozvoj zručností spojením akademických vedomostí s priemyselnou praxou. Zistite viac o kľúčových črtách, výhodách, výzvach a reálnych príkladoch úspešných spoluprác.
Pathways Language Model (PaLM) je pokročilá rodina veľkých jazykových modelov od spoločnosti Google, navrhnutá pre všestranné aplikácie ako generovanie textu, uvažovanie, analýza kódu a viacjazyčný preklad. PaLM, postavený na iniciatíve Pathways, vyniká vo výkonnosti, škálovateľnosti a zodpovedných AI postupoch.
Perplexity AI je pokročilý vyhľadávací nástroj poháňaný umelou inteligenciou a konverzačný nástroj, ktorý využíva NLP a strojové učenie na poskytovanie presných, kontextových odpovedí s citáciami. Ideálny pre výskum, vzdelávanie a profesionálne použitie, integruje viacero veľkých jazykových modelov a zdrojov pre presné a aktuálne získavanie informácií.
Personalizovaný marketing s využitím umelej inteligencie využíva umelú inteligenciu na prispôsobenie marketingových stratégií a komunikácie jednotlivým zákazníkom na základe ich správania, preferencií a interakcií, čím zvyšuje angažovanosť, spokojnosť a mieru konverzie.
Pipeline strojového učenia je automatizovaný pracovný postup, ktorý zefektívňuje a štandardizuje vývoj, trénovanie, vyhodnocovanie a nasadenie modelov strojového učenia, čím premieňa surové dáta na akčné poznatky efektívne a vo veľkom meradle.
Plocha pod krivkou (AUC) je základná metrika v strojovom učení, ktorá sa používa na hodnotenie výkonnosti binárnych klasifikačných modelov. Kvantifikuje celkovú schopnosť modelu rozlišovať medzi pozitívnymi a negatívnymi triedami výpočtom plochy pod krivkou ROC (Receiver Operating Characteristic).
Plotly je pokročilá open-source knižnica na tvorbu interaktívnych, publikovateľných grafov online. Je kompatibilná s Pythonom, R a JavaScriptom, umožňuje užívateľom vytvárať komplexné vizualizácie údajov a podporuje širokú škálu typov grafov, interaktivity a integrácie webových aplikácií.
Počítačové videnie je oblasť umelej inteligencie (AI), ktorá sa zameriava na to, aby počítače dokázali interpretovať a porozumieť vizuálnemu svetu. Využívaním digitálnych obrázkov z kamier, videí a modelov hlbokého učenia môžu stroje presne identifikovať a klasifikovať objekty a následne reagovať na to, čo „vidia“.
Podprispôsobenie nastáva, keď je model strojového učenia príliš jednoduchý na to, aby zachytil základné trendy v dátach, na ktorých je trénovaný. To vedie k slabej výkonnosti ako na neznámych, tak aj na trénovacích dátach, často kvôli nízkej zložitosti modelu, nedostatočnému tréningu alebo nevhodnému výberu príznakov.
Polonadzorované učenie (SSL) je technika strojového učenia, ktorá využíva označené aj neoznačené dáta na trénovanie modelov, čo je ideálne v prípadoch, keď je označovanie všetkých údajov nepraktické alebo nákladné. Kombinuje silné stránky nadzorovaného a nenadzorovaného učenia na zlepšenie presnosti a generalizácie.
Porozumenie prirodzenému jazyku (NLU) je podpole AI zamerané na umožnenie strojom kontextovo chápať a interpretovať ľudský jazyk, presahujúc základné spracovanie textu s cieľom rozpoznať zámer, sémantiku a nuansy pre aplikácie ako chatboty, analýzu sentimentu a strojový preklad.
Posilňovacie učenie s ľudskou spätnou väzbou (RLHF) je technika strojového učenia, ktorá integruje ľudské vstupy na usmerňovanie procesu trénovania algoritmov posilňovacieho učenia. Na rozdiel od tradičného posilňovacieho učenia, ktoré sa spolieha výlučne na vopred definované signály odmeny, RLHF využíva ľudské hodnotenia na formovanie a zdokonaľovanie správania AI modelov. Tento prístup zabezpečuje, že AI je viac v súlade s ľudskými hodnotami a preferenciami, čo je obzvlášť užitočné pri komplexných a subjektívnych úlohách.
Predpisy o ochrane údajov sú právne rámce, politiky a štandardy, ktoré zabezpečujú osobné údaje, riadia ich spracovanie a chránia práva jednotlivcov na súkromie na celom svete. Zabezpečujú dodržiavanie predpisov, predchádzajú neoprávnenému prístupu a presadzujú práva dotknutých osôb v digitálnom veku.
Zistite, čo je prepisovač odsekov, ako funguje, jeho kľúčové vlastnosti a ako môže zlepšiť kvalitu písania, zabrániť plagiátorstvu a zvýšiť SEO pomocou pokročilých techník spracovania jazyka.
Zistite, čo je AI Prepisovač viet, ako funguje, jeho využitie a ako pomáha autorom, študentom a marketérom preformulovať text pri zachovaní významu a zlepšení zrozumiteľnosti.
Objavte dôležitosť presnosti a stability AI modelov v strojovom učení. Zistite, ako tieto metriky ovplyvňujú aplikácie ako detekcia podvodov, medicínska diagnostika a chatboty, a preskúmajte techniky na zvýšenie spoľahlivého výkonu AI.
Preučenie je kľúčový pojem v oblasti umelej inteligencie (AI) a strojového učenia (ML), ktorý nastáva, keď model príliš dobre naučí tréningové dáta, vrátane šumu, čo vedie k slabej generalizácii na nové dáta. Zistite, ako identifikovať a predchádzať preučeniu pomocou efektívnych techník.
V AI je 'priekopa' udržateľná konkurenčná výhoda—ako napríklad úspory z rozsahu, sieťové efekty, vlastnícka technológia, vysoké náklady na zmenu a dátové priekopy—ktorá pomáha firmám udržať si vedúce postavenie na trhu a odradiť konkurenciu.
Priemerná absolútna chyba (MAE) je základná metrika v strojovom učení na hodnotenie regresných modelov. Meria priemernú veľkosť chýb v predikciách, čím poskytuje jednoduchý a zrozumiteľný spôsob hodnotenia presnosti modelu bez ohľadu na smer chyby.
Priemerná presná presnosť (mAP) je kľúčová metrika v počítačovom videní na hodnotenie modelov detekcie objektov, ktorá v jednom skalárnom čísle zachytáva presnosť detekcie aj lokalizácie. Je široko používaná na porovnávanie a optimalizáciu AI modelov pre úlohy ako autonómne riadenie, dohľad a vyhľadávanie informácií.
Prieskumná analýza údajov (EDA) je proces, ktorý sumarizuje charakteristiky datasetu pomocou vizuálnych metód s cieľom odhaliť vzory, detegovať anomálie a informovať o čistení údajov, výbere modelu a analýze pomocou nástrojov ako Python, R a Tableau.
Procesy certifikácie umelej inteligencie sú komplexné hodnotenia a overovania navrhnuté tak, aby zabezpečili, že systémy umelej inteligencie spĺňajú vopred stanovené normy a predpisy. Tieto certifikácie slúžia ako referenčné body na hodnotenie spoľahlivosti, bezpečnosti a etickej zhody technológií umelej inteligencie.
V oblasti veľkých jazykových modelov (LLM) je prompt vstupný text, ktorý usmerňuje výstup modelu. Zistite, ako efektívne prompty, vrátane techník zero-, one-, few-shot a chain-of-thought, zvyšujú kvalitu odpovedí v jazykových AI modeloch.
PyTorch je open-source framework strojového učenia vyvinutý spoločnosťou Meta AI, známy svojou flexibilitou, dynamickými výpočtovými grafmi, akceleráciou pomocou GPU a bezproblémovou integráciou s jazykom Python. Je široko používaný pre hĺbkové učenie, počítačové videnie, NLP a výskumné aplikácie.
Q-learning je základný koncept v umelej inteligencii (AI) a strojovom učení, najmä v oblasti posilňovacieho učenia. Umožňuje agentom učiť sa optimálne akcie prostredníctvom interakcie a spätnej väzby vo forme odmien alebo trestov, čím sa časom zlepšuje rozhodovanie.
Rámce regulácie umelej inteligencie sú štruktúrované usmernenia a právne opatrenia navrhnuté na riadenie vývoja, nasadenia a používania technológií umelej inteligencie. Tieto rámce majú za cieľ zabezpečiť, aby systémy umelej inteligencie fungovali eticky, bezpečne a v súlade so spoločenskými hodnotami. Zaoberajú sa aspektmi ako ochrana údajov, transparentnosť, zodpovednosť a riadenie rizík, pričom podporujú zodpovedné inovácie v oblasti umelej inteligencie a zároveň zmierňujú potenciálne riziká.
Preskúmajte recall v strojovom učení: kľúčová metrika na hodnotenie výkonnosti modelu, obzvlášť pri klasifikačných úlohách, kde je dôležité správne identifikovať pozitívne prípady. Zistite jeho definíciu, výpočet, význam, prípady použitia a stratégie na zlepšenie.
Redukcia dimenzií je kľúčová technika v spracovaní dát a strojovom učení, ktorá znižuje počet vstupných premenných v datasete pri zachovaní podstatných informácií, čím zjednodušuje modely a zvyšuje ich výkon.
Regularizácia v umelej inteligencii (AI) označuje súbor techník používaných na zabránenie preučeniu modelov strojového učenia zavádzaním obmedzení počas trénovania, čím sa umožňuje lepšia generalizácia na neznáme dáta.
Reinforcement Learning (RL) je podmnožina strojového učenia zameraná na trénovanie agentov, ktorí sa učia robiť sekvencie rozhodnutí v prostredí, pričom sa učia optimálne správanie prostredníctvom spätnej väzby vo forme odmien alebo trestov. Preskúmajte kľúčové pojmy, algoritmy, aplikácie a výzvy RL.
Reinforcement Learning (RL) je metóda trénovania modelov strojového učenia, pri ktorej sa agent učí robiť rozhodnutia vykonávaním akcií a prijímaním spätnej väzby. Spätná väzba vo forme odmien alebo trestov vedie agenta k zlepšeniu výkonu v priebehu času. RL sa široko využíva v hrách, robotike, financiách, zdravotníctve a autonómnych vozidlách.
Rekurentné neurónové siete (RNN) sú sofistikovanou triedou umelých neurónových sietí navrhnutých na spracovanie sekvenčných dát pomocou využitia pamäte predchádzajúcich vstupov. RNN vynikajú v úlohách, kde je poradie dát rozhodujúce, vrátane spracovania prirodzeného jazyka, rozpoznávania reči a predikcie časových radov.
Rekurzívne promptovanie je technika umelej inteligencie využívaná pri veľkých jazykových modeloch ako GPT-4, ktorá umožňuje používateľom postupne vylepšovať výstupy prostredníctvom opakovanej spätnej väzby a dialógu za účelom dosiahnutia kvalitnejších a presnejších výsledkov.
Retrieval Augmented Generation (RAG) je pokročilý AI rámec, ktorý kombinuje tradičné systémy na vyhľadávanie informácií s generatívnymi veľkými jazykovými modelmi (LLM), čo umožňuje AI generovať text, ktorý je presnejší, aktuálny a kontextovo relevantný vďaka integrácii externých znalostí.
Riešenie koreferencií je základná úloha v NLP, ktorá identifikuje a spája výrazy v texte, ktoré odkazujú na tú istú entitu, čo je kľúčové pre strojové porozumenie v aplikáciách ako sumarizácia, preklad a zodpovedanie otázok.
Robustnosť modelu označuje schopnosť modelu strojového učenia (ML) udržiavať konzistentný a presný výkon aj napriek variabilitám a neistotám v vstupných údajoch. Robustné modely sú kľúčové pre spoľahlivé AI aplikácie a zabezpečujú odolnosť voči šumu, odľahlým hodnotám, zmenám v distribúcii a adversariálnym útokom.
ROC krivka (Receiver Operating Characteristic) je grafické zobrazenie používané na hodnotenie výkonu binárneho klasifikačného systému pri meniacom sa prahu diskriminácie. Pochádza z teórie detekcie signálov z obdobia druhej svetovej vojny a dnes je nevyhnutná v strojovom učení, medicíne a AI pri hodnotení modelov.
ROUGE skóre je súbor metrík používaných na hodnotenie kvality strojom generovaných súhrnov a prekladov porovnávaním s ľudskými referenciami. Je široko používané v NLP, ROUGE meria prekryv obsahu a recall, čím pomáha hodnotiť systémy sumarizácie a prekladu.
Rozhodovací strom je výkonný a intuitívny nástroj na rozhodovanie a prediktívnu analýzu, používaný pri klasifikačných aj regresných úlohách. Jeho stromová štruktúra uľahčuje interpretáciu a je široko využívaný v strojovom učení, financiách, zdravotníctve a ďalších oblastiach.
Rozhodovací strom je algoritmus učenia s učiteľom, ktorý sa používa na prijímanie rozhodnutí alebo predpovedí na základe vstupných údajov. Vizualizuje sa ako stromová štruktúra, kde vnútorné uzly predstavujú testy, vetvy predstavujú výsledky a listové uzly predstavujú triedy alebo hodnoty.
Zistite, čo je rozpoznávanie obrázkov v AI. Na čo sa používa, aké sú trendy a ako sa líši od podobných technológií.
Rozpoznávanie pomenovaných entít (NER) je kľúčová podoblasť spracovania prirodzeného jazyka (NLP) v AI, zameraná na identifikáciu a klasifikáciu entít v texte do vopred definovaných kategórií, ako sú osoby, organizácie a miesta, s cieľom zlepšiť analýzu dát a automatizovať extrakciu informácií.
Rozpoznávanie reči, známe aj ako automatické rozpoznávanie reči (ASR) alebo prevod reči na text, umožňuje počítačom interpretovať a prevádzať hovorený jazyk na písaný text, poháňa aplikácie od virtuálnych asistentov po nástroje pre zlepšenie prístupnosti a mení interakciu medzi človekom a strojom.
Rozpoznávanie reči, známe aj ako automatické rozpoznávanie reči (ASR) alebo prevod reči na text, je technológia, ktorá umožňuje strojom a programom interpretovať a prepísať hovorený jazyk do písaného textu. Táto výkonná schopnosť je odlišná od rozpoznávania hlasu, ktoré identifikuje hlas konkrétneho hovoriaceho. Rozpoznávanie reči sa zameriava výlučne na preklad hovoreného slova do textu.
Rozpoznávanie scénického textu (STR) je špecializovaná oblasť optického rozpoznávania znakov (OCR), ktorá sa zameriava na identifikáciu a interpretáciu textu v obrazoch zachytených v prirodzených scénach pomocou AI a modelov hlbokého učenia. STR poháňa aplikácie ako autonómne vozidlá, rozšírená realita a infraštruktúra inteligentných miest tým, že prevádza zložitý, reálny text do strojovo čitateľných formátov.
Rozpoznávanie vzorov je výpočtový proces identifikácie vzorov a pravidelností v dátach, ktorý je kľúčový v oblastiach ako AI, informatika, psychológia a analýza dát. Automatizuje rozpoznávanie štruktúr v reči, texte, obrazoch a abstraktných dátových súboroch, čím umožňuje inteligentné systémy a aplikácie ako počítačové videnie, rozpoznávanie reči, OCR a detekciu podvodov.
Rozšíriteľnosť AI označuje schopnosť systémov umelej inteligencie rozširovať svoje možnosti do nových domén, úloh a dátových súborov bez nutnosti zásadného preučenia, s využitím techník ako transferové učenie, multi-task učenie a modulárny dizajn pre flexibilitu a bezproblémovú integráciu.
Získajte základné informácie o Rytr. Rýchly prehľad kľúčových funkcií, výhod a nevýhod a alternatív.
Scikit-learn je výkonná open-source knižnica strojového učenia pre Python, poskytujúca jednoduché a efektívne nástroje na prediktívnu analýzu dát. Je široko využívaná dátovými vedcami a odborníkmi na strojové učenie a ponúka širokú škálu algoritmov pre klasifikáciu, regresiu, zhlukovanie a ďalšie, s bezproblémovou integráciou do Python ekosystému.
SciPy je robustná open-source knižnica Pythonu určená na vedecké a technické výpočty. Vychádzajúc z NumPy ponúka pokročilé matematické algoritmy, optimalizáciu, integráciu, manipuláciu s dátami, vizualizáciu a interoperabilitu s knižnicami ako Matplotlib a Pandas, vďaka čomu je nevyhnutná pre vedecké výpočty a analýzu dát.
Zistite, čo je seed vo výtvarnom AI, ako ovplyvňuje proces generovania obrázkov a ako umelci používajú seedy na konzistentnosť alebo kreatívny prieskum na generatívnych umeleckých platformách.
Segmentácia inštancií je úloha počítačového videnia, ktorá deteguje a ohraničuje každý samostatný objekt na obrázku s presnosťou na úrovni pixelov. Zlepšuje aplikácie tým, že poskytuje detailnejšie porozumenie ako detekcia objektov alebo semantická segmentácia, vďaka čomu je kľúčová pre oblasti ako medicínske zobrazovanie, autonómne riadenie a robotiku.
Sémantická analýza je kľúčová technika spracovania prirodzeného jazyka (NLP), ktorá interpretuje a vyvodzuje význam z textu, čo umožňuje strojom rozumieť kontextu jazyka, sentimentu a nuansám pre lepšiu interakciu s používateľom a obchodné poznatky.
Semantická segmentácia je technika počítačového videnia, ktorá rozdeľuje obrázky na viacero segmentov a každému pixelu priraďuje triedu reprezentujúcu objekt alebo oblasť. Umožňuje detailné porozumenie pre aplikácie ako autonómne riadenie, medicínske zobrazovanie a robotiku prostredníctvom hlbokých neurónových sietí ako CNN, FCN, U-Net a DeepLab.
SEO skóre je číselné vyjadrenie toho, ako dobre webová stránka dodržiava najlepšie SEO postupy, hodnotí technické aspekty, kvalitu obsahu, používateľský zážitok a mobilnú prispôsobivosť. Pochopenie a zlepšenie vášho SEO skóre je kľúčové pre zvýšenie viditeľnosti vašej stránky vo výsledkoch vyhľadávania.
Singularita v umelej inteligencii je teoretický budúci bod, keď strojová inteligencia prekoná ľudskú inteligenciu, čo spustí rýchle a nepredvídateľné spoločenské zmeny. Preskúmajte jej pôvod, kľúčové pojmy, dôsledky a prebiehajúce debaty.
Skryté Markovove modely (HMM) sú sofistikované štatistické modely pre systémy, kde sú základné stavy nepozorovateľné. Široko využívané v rozpoznávaní reči, bioinformatike a financiách, HMM interpretujú skryté procesy a sú poháňané algoritmami ako Viterbi a Baum-Welch.
Zobrazené 4 z 6
